GPT-Live-1がAPIで一般提供開始　「同時に聞き、話す」音声エージェントへ

OpenAIは2026年9月10日、音声モデル「GPT-Live-1」をAPIで一般提供開始しました。発表日は9月11日ではありません。GPT-Live-1は、開発者が自然な会話型の音声エージェントを構築するためのモデルで、相手の音声を聞きながら話す「全二重（full-duplex）」の対話を特徴とします。116

何が変わるのか：発話の終わりを待たない対話

従来の音声エージェントは一般に、音声を文字へ変換するSTT（speech-to-text）、応答を考える言語モデル、文字を音声化するTTS（text-to-speech）を連結する構成です。会話は「利用者が話し終える→システムが処理する→AIが話す」という区切られたターンで進みやすくなります。1

GPT-Live-1は、こうしたリアルタイム会話の前段を担う統合的な音声レイヤーとして位置付けられています。OpenAIによると、同モデルは聞くことと話すことを同時に行い、間の取り方や話す速さの変化を追い、その時点で返答すべきか、聞き続けるべきかを判断します。割り込みや短い相づち（バックチャネル）を、単なる入力エラーではなく会話の一部として扱いやすくする狙いです。1915

複雑な処理はバックエンドへ委任できる

GPT-Live-1がすべての処理を単独で担う必要はありません。音声での会話を継続しつつ、より時間のかかる推論、情報検索、業務ワークフロー、ツール呼び出しをバックエンドのモデルやエージェントに任せられます。

OpenAIは、OpenAIモデルへ処理を渡す「Responses delegation」と、開発者自身のバックエンドにつなぐ「client delegation」をサポートしています。16 ChatGPT Businessのリリースノートでは、難しい検索・推論に使う選択肢としてGPT-6 Astraも挙げられています。4

構成を分けると、役割はおおむね次のようになります。

• GPT-Live-1：聞く、話す、間合いを取るといったライブ対話を担当
• バックエンドのモデル／エージェント：複雑な判断、検索、外部ツール利用を担当
• 全体の費用と挙動：音声レイヤーだけでなく、委任先のモデルとツールの選択にも左右される1618

APIリリースでは、指示追従性の向上、カスタムボイス、電話回線との連携（テレフォニー）も案内されています。13

料金は1分0.05ドル。ただし総コストではない

GPT-Live-1の音声セッション料金は1分あたり0.05ドルです。請求は秒単位で、次の1分へ切り上げられることはありません。1618

ただし、これはあくまで音声セッションの料金です。バックエンドで使うモデルの推論コストや、ツールの利用料は別途請求されます。そのため本番運用の予算では、通話・会話時間に加え、委任先でどのモデルやツールをどの程度使うかも見積もる必要があります。1618

OpenAIが示した性能と、確認できる範囲

OpenAIは、GPT-Live-1がGPT-Realtime-2.1と比べて「Full Duplex Bench」で30ポイント改善したと説明しています。また、GPT-Live-1とGPT-6 Astraを中程度の推論設定で組み合わせた構成が、Tau3で首位になったとしています。1

一方、今回提供された資料だけでは、質問に含まれるターンテイキング遅延の具体的な数値や、Tau3における正確な通過率の比較は独立して確認できません。これらの数値は、現時点では検証済みの事実として扱わないのが適切です。

初期導入企業が報告した変化

OpenAIは、より自然なターンテイキングの効果を示す例として、複数の導入事例を紹介しています。

• Yelp：Yelp HostとHatchへGPT-Live-1を統合後、ターンテイキングと精度が改善したと報告。予約やフード注文の通話では、利用者がより長く自然な言い回しで話すようになり、通話処理も改善したとしています。1
• Speak：語学学習者が講師役のAIから応答される前に考える時間を取りやすくなり、従来のターン制システム比で割り込みを約80％減らせたと報告しています。1
• 医療系企業：カスケード型の実装から移行することで、コードベースを80％簡素化し、2万3,000行のコードを削減したとしています。自然なリアルタイムの患者対話にもつながったという報告です。1

これらは各社が報告した導入結果であり、独立評価による普遍的な性能保証ではありません。用途、会話設計、委任先モデル、運用条件によって成果は変わります。

現時点で資料から確認できない点

提供資料では、管理製品「Presence」を通じた企業向けアクセスに関する主張は裏付けられていません。また、このAPIリリースに伴うアクセント、方言、対応言語の具体的な拡大についても確認できません。調達や実装の判断に用いる場合は、最新のOpenAI公式ドキュメントを直接確認する必要があります。

まとめ

GPT-Live-1の要点は、音声会話を担う全二重レイヤーと、推論・ツール実行を担うバックエンドを分けられるアーキテクチャにあります。会話中も聞き続け、必要に応じて話し、裏側では別システムが時間のかかる処理を進められます。音声レイヤーは1分0.05ドル、秒単位課金ですが、実際のエージェントの総コストはバックエンドモデルとツールの利用状況を含めて評価する必要があります。11618